پیش بینی میزان رعایت محافظه کاری حسابداری با استفاده از شبکه های عصبی مصنوعی

هدف از پژوهش حاضر، طراحی یک مدل برای پیش بینی میزان رعایت محافظه کاری حسابداری، به منظور کمک به اعتبار دهندگان و سرمایه گذاران و دیگر کاربران اطلاعات صورت های مالی، برای اجتناب از تحمل زیان های عمده در بازار سرمایه، است. به همین دلیل، 60 شرکت پذیرفته شده در بورس اوراق بهادار تهران در دوره 10 ساله 1394 - 1385 مورد بررسی قرار گرفت. در این پژوهش، با استفاده از برخی اقلام ترازنامه و صورت سود و زیان و نسبت های حاصل از ترکیب برخی از اقلام این دو، که به نوعی محافظه کاری حسابداری در آن ها نمود پیدا می کند و بکارگیری یک شبکه عصبی پرسپترون سه لایه با الگوریتم پس انتشار خطا و متغیرهای پیش بینی کننده، میزان رعایت محافظه کاری حسابداری پیش بینی شد. در نهایت، شبکه ای با میانگین مربعات خطا 04407 / 0 ، 036068 / 0 ، 08015 / 0 و 0396 / 0 به ترتیب برای داده های آموزشی، اعتبارسنجی، آزمون و مجموع داده ها و ضریب تعیین بیش از 65 درصد، به عنوان بهترین شبکه انتخاب شد.